一、TensorFlow 簡介

TensorFlow 是由 Google 開發的開源深度學習框架，支持數據流圖計算，可運行于 CPU/GPU/TPU。它被廣泛應用于語音識別、圖像處理、自然語言處理等多個 AI 領域。

---

二、安裝 TensorFlow

2.1 pip 安裝（默認 CPU 版本）

pip install tensorflow

2.2 pip 安裝（GPU 支持版本）

pip install tensorflow==2.15.0

注意：需提前安裝對應版本的 CUDA 和 cuDNN，推薦使用 NVIDIA 提供的安裝說明。

2.3 conda 安裝（適用于 Anaconda）

conda install -c conda-forge tensorflow

---

三、驗證安裝

import tensorflow as tf
print(tf.__version__)
print("是否使用 GPU：", tf.config.list_physical_devices('GPU'))

---

四、TensorFlow 基礎使用

4.1 創建張量

import tensorflow as tfa = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
print(tf.add(a, b))

4.2 張量基本屬性

print(a.shape)
print(a.dtype)

---

五、構建神經網絡模型

使用 Keras Sequential 構建模型

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Densemodel = Sequential([Dense(128, activation='relu', input_shape=(784,)),Dense(10, activation='softmax')
])

---

六、模型編譯與訓練

model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])# 假設有訓練數據 (x_train, y_train)
model.fit(x_train, y_train, epochs=5, batch_size=32)

---

七、保存與加載模型

保存模型

model.save('my_model.h5')

加載模型

from tensorflow.keras.models import load_model
model = load_model('my_model.h5')

---

八、TensorBoard 可視化

記錄日志

tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir="./logs")
model.fit(x_train, y_train, callbacks=[tensorboard_callback])

啟動 TensorBoard

tensorboard --logdir=./logs

---

九、常見問題

Q1: 安裝失敗？

請升級 pip 并使用國內鏡像源安裝：

pip install --upgrade pip
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

Q2: CUDA 相關報錯？

• 檢查 TensorFlow 和 CUDA/cuDNN 的兼容版本
• 確保安裝了 GPU 驅動并配置好環境變量

---

十、學習資源推薦

• TensorFlow 官方文檔
• TensorFlow 中文社區
• Google 官方入門教程
• 動手學深度學習（TF 版）

---

本文由“小奇Java面試”原創發布，轉載請注明出處。

可以搜索【小奇JAVA面試】第一時間閱讀，回復【資料】獲取福利，回復【項目】獲取項目源碼，回復【簡歷模板】獲取簡歷模板，回復【學習路線圖】獲取學習路線圖。